luckyyaoyao

摘要： ResNet网络 一.手写ResNet网络 （1）对于残差块有两种： 1.有1*1卷积层 Y=Y+conv_1x1(X) 2.无1*1卷积层 Y=Y+X （2）整体ResNet架构 import torch from d2l import torch as d2l from torch import 阅读全文

摘要： 批量归一化层BatchNorm 一.手写BatchNorm（用于理解） import torch from d2l import torch as d2l from torch import nn def batch_norm(X,gamma,beta,moving_mean,moving_val, 阅读全文

摘要： GoogleNet 一.手写GoogleNet架构 import torch from d2l import torch as d2l from torch import nn from torch.nn import functional as F #1.Inception块 class Ince 阅读全文

摘要： NiN模型 import torch from torch import nn from d2l import torch as d2l def NiN_block(in_chanels,out_chanels,kernel_size,padding,stride):#NiN块 return nn. 阅读全文

摘要： VGG使用块的网络 一.手写VGG架构 import torch from torch import nn import d2l #1.VGG块 def VGG_block(nums_conv,in_chanels,out_chanels):#卷积层数，输入通道数，输出通道数 layers=[]#一 阅读全文

摘要： AlexNet 一.手写AlexNet架构 import torch from torch import nn import d2l net=nn.Sequential( nn.Conv2d(1,96,11,padding=1,stride=4), nn.ReLU(), nn.MaxPool2d(k 阅读全文

摘要： LeNet 一.网络架构 利用Sequential块实现Lenet import torch from torch import nn #利用Sequential实现Lenet net=nn.Sequential( nn.Conv2d(1,6,5,padding=2), nn.Sigmoid(), 阅读全文

摘要： 一.手写池化 import torch def pool(X,pool_size,mode='max'):#手写池化，这里mode参数用于表示是何种池化默认最大池化 p_h,p_w=pool_size#poolsize表示池化窗口大小传入一个元组 Y=torch.zeros((X.shape[0]- 阅读全文

摘要： 一.互相关运算（原矩阵乘以卷积核） X为原矩阵，K为卷积核，Y 为结果。shape[0]表示行数，h行数，w列数 import torch def corr2d(X,K): h,w=K.shape #获得卷积核的行数h，列数w Y=torch.zeros((X.shape[0]-h+1,X.shap 阅读全文

摘要： 第二章Pycharm和Jupiter 一.Pycharm 在python console里的操作如下： 右侧会像matlab一样显示变量 二.Jupyter 1.下载Jupyter所需要的包 先进入环境（激活） conda activate pytorchnow conda install nb_c 阅读全文